ggplot2(9) 数据操作
9.1 plyr包简介
ddply {plyr}: Split data frame, apply function, and return results in a data frame.
ddply(.data, .variables, .fun = NULL, ..., .progress = "none", .inform = FALSE, .drop = TRUE, .parallel = FALSE, .paropts = NULL)
- .data:用来作图的数据。
- .variables:对数据取子集的分组变量,形式是 .(var1, var2) ,为了与图形保持一致,该变量必须包含所有在画图过程中用到的分组变量和分面变量。
- .fun:要在各个子集上运行的统计汇总函数。
- .inform:产生信息丰富的错误消息?这在默认情况下是关闭的,因为它大大降低了处理速度,但是对于调试非常有用。
# 选取各个颜色里最小的钻石 ddply(diamonds, .(color), subset, carat == min(carat)) # 选取最小的两颗钻石 ddply(diamonds, .(color), subset, order(carat) <= 2) # 选取每组里大小为前1%的钻石 ddply(diamonds, .(color), subset, carat > quantile(carat, 0.99)) # 选出所有比组平均值大的钻石 ddply(diamonds, .(color), subset, price > mean(price))
transform {base}: Transform an Object, for Example a Data Frame.
transform(`_data`, ...)
transform()是进行数据变换的函数,与ddply()结合可以计算分组统计量。
# 把每个颜色组里钻石的价格标准化,使其均值为0,方差为1 ddply(diamonds, .(color), transform, price = scale(price))
colwise {plyr}: Column-wise function.
colwise用来向量化一个函数,能把原本只接受向量输入的函数变成可以接受数据框输入的函数。
要注意colwise返回的是一个新的函数,而不是函数运行的结果。
下面例子中nmissing()计算向量里缺失值的数目,用colwise()向量化后,可以应用到数据框,计算数据框中各列的缺失值数目。
nmissing <- function(x) sum(is.na(x)) nmissing_df <- colwise(nmissing) nmissing_df(msleep) # This is shorthand for the previous two steps colwise(nmissing)(msleep)
numcolwise()和catcolwise()是colwise()的特殊版本,功能类似,但numcolwise()只对数值类型的列操作,catcolwise()只对分类类型的列操作。
我们也可以编写编写的函数,只要他能够接受、输出数据框就可以。下面的例子计算价格和克拉的秩相关关系。
my_summary <- function(df) { with(df, data.frame(pc_cor = cor(price, carat, method = "spearman"), lpc_cor = cor(log(price), log(carat)))) } ddply(diamonds, .(cut), my_summary) ddply(diamonds, .(color), my_summary)
拟合多个模型:
dense <- subset(diamonds, carat < 2) qplot(carat, price, data = dense, geom = "smooth", colour = color, fullrange = TRUE)
library(mgcv) library(plyr) smooth <- function(df) { mod <- gam(price ~ s(carat, bs = "cs"), data = df) grid <- data.frame(carat = seq(0.2, 2, length = 50)) pred <- predict(mod, grid, se = T) grid$price <- pred$fit grid$se <- pred$se.fit grid } smoothes <- ddply(dense, .(color), smooth) qplot(carat, price, data = smoothes, colour = color, geom = "line") qplot(carat, price, data = smoothes, colour = color, geom = "smooth", ymax = price + 2 * se, ymin = price - 2 * se)
9.2 数据化“宽”为“长”
melt {reshape2}: Convert an object into a molten data frame.
melt(data, ..., na.rm = FALSE, value.name = "value")
- data:待变形的原数据;
- id.vars:依旧放在列上、位置保持不变的变量;
- measure.vars:需要被放进同一列的变量。
示例:
https://www.cnblogs.com/dingdangsunny/p/12482067.html#_label3
多重时间序列:
emp <- melt(economics, id = "date", measure = c("unemploy", "uempmed")) qplot(date, value, data = emp, geom = "line") + facet_grid(variable ~ ., scales = "free_y")
ggplot2不允许绘制带有两个不同坐标轴的图,因为这样的图具有误导性。可以使用自由标度的分面图形表达有量级差的变量。